Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Sel Darah Merah
|
|
- Djaja Agusalim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Scientific Journal of Informatics Vol. 2, No. 1, Mei 2015 p-issn e-issn Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Sel Darah Merah Esti Suryani 1, Wiharto 2, Katarina Novi Wahyudiani 3 1,2,3 Riset Group Ilmu Rekayasa dan Komputasi, Informatika, FMIPA, Universitas Sebelas Maret 1 suryapalapa@yahoo.com, 2 wi_harto@yahoo.com, 3 chetrine_novi@gmail.com Abstrak Thalasemia Betha (β) Mayor merupakan salah satu kelainan sel darah merah berdasarkan klasifikasi anemia. Thalasemia Betha (β) Mayor memiliki ciri sel meliputi mikrositik, eritrosit berinti (eritroblast), sel target, dan small fragment. Thalasemia Betha (β) Mayor dianalisa berdasarkan menghitung darah lengkap pada hapusan darah dengan pemeriksaan hematologi. Namun proses tersebut menimbulkan masalah, yaitu bahwa mempengaruhi keakuratan serta membutuhkan waktu. Untuk mengatasi hal tersebut, maka proses analisa dapat dilakukan dengan menggunakan teknik pengolahan citra yang didasarkan pada bentuk morfologi sel darah merah. Artikel ini bertujuan untuk mengidentifikasi anemia Thalasemia Betha (β) Mayor berdasarkan morfologi citra sel darah merah. Metode pengolahan citra yang digunakan meliputi proses segmentasi citra berupa normalisasi citra, threshold warna, threshold Otsu, operasi morfologi erosi dan bounding box. Normalisasi dilakukan untuk menyamakan persebaran warna pada masing-masing citra sel darah yang akan digunakan. Normalisasi dilakukan dengan mengubah citra RGB menjadi YCbCr. threshold warna, threshold Otsu, operasi morfologi erosi digunakan untuk memisahkan sel dan inti sel. Ekstrasi ciri menghasilkan luas area sel, luas area inti sel, diameter sel dan rasio sel. Proses identifikasi untuk menentukan jenis sel berdasarkan hasil ekstrasi ciri. Proses pengujian menggunakan 5 kelompok gambar Thalasemia Betha (β) Mayor yang masing-masing terdiri dari 6 gambar. Hasil pengujian menunjukkan bahwa morfologi citra mampu mengidentifikasi Anemia Thalasemia Betha (β) Mayor. Kata Kunci: Thalasemia Betha (β) Mayor, Identifikasi, Operasi morfologi 1. PENDAHULUAN Sel darah merah (eritrosit) merupakan komponen darah yang jumlahnya paling banyak. Sel darah merah normal berbentuk cakram dengan kedua permukaannya cekung atau bikonkaf, tidak memiliki inti, dan mengandung hemoglobin. Kelainan pada sel darah merah terjadi karena sel darah merah dan/atau masa hemoglobin yang beredar tidak dapat memenuhi fungsinya untuk menyediakan oksigen bagi jaringan tubuh yang sering disebut dengan anemia [1]. Ada dua tipe anemia yaitu anemia gizi dan non-gizi. Anemia gizi terjadi akibat kekurangan gizi, sedangkan anemia non-gizi disebabkan oleh kelainan genetik [2]. Salah satu penyakit anemia non-gizi yang sering diderita adalah Thalasemia. Anemia Thalasemia merupakan penyakit hemolitik atau kurangnya kadar hemoglobin yang disebabkan oleh defisiensi pembentukan rantai globin Alpha atau Betha yang menyusun hemoglobin. Berdasarkan defisiensi pembentukan rantai globin tersebut maka Thalasemia dibedakan menjadi Thalasemia Alpha dan Thalasemia Betha [2]. Berdasarkan gejala klinis Thalasemia dikategorikan menjadi dua yaitu Thalasemia minor dan Thalasemia Mayor. Jenis Thalasemia yang paling banyak ditemukan di 15
2 Esti Suryani, Wiharto, Katarina Novi Wahyudiani Indonesia adalah Thalasemia Betha (β) Mayor yaitu sebanyak 50% [3]. Identifikasi Thalasemia Betha (β) Mayor biasanya dilakukan melalui pemeriksaan hematologi, akan tetapi proses tersebut membutuhkan waktu dan keahlian (jam terbang pengidentifikasi). Salah satu cara untuk mengatasi hal tersebut adalah dengan memanfaatkan teknologi pengolahan citra dalam membantu mengidentifikasi sel darah [4]. Thalasemia Betha (β) Mayor ditandai dengan rusaknya sel darah merah serta perubahan morfologi pada sel darah merah yang meliputi bentuk dan ukuran sel. Perubahan tersebut ditandai dengan adanya sel-sel abnormal yaitu sel mikrositik, eritrosit berinti (eritroblast), small fragment dan sel target (leptocytes). Mikrositik merupakan sel darah merah yang mempunyai ukuran sel lebih kecil dari sel darah merah normal yaitu berukuran < 6µm [5], eritroblast merupakan eritrosit yang masih muda, mempunyai ukuran yang sama dengan sel darah putih tetapi inti sel cenderung keluar, small fragment merupakan pecahan sel darah merah sedangkan sel target merupakan sel darah merah yang menyerupai bentuk seperti mata sapi [6]. Penelitian terkait tentang pemanfaatan teknik pengolahan citra untuk mendeteksi adanya kelainan sel pada citra darah di antaranya identifikasi penyakit anemia defisiensi besi pada citra darah dengan menggunakan deteksi tepi Canny dan operasi morfologi [7]. Deteksi adanya kelainan sel darah salah satunya sel target dengan mengidentifikasi bentuk, kebundaran dan panjang sel [8]. Deteksi dan penghitungan RBC dari gambar hapusan darah untuk mengidentifikasi malaria dan anemia dengan menggunakan metode bounding box, threshold Otsu dan operasi morfologi [9]. Serta penelitian tentang klasifikasi sel darah merah dengan proses segmentasi menggunakan metode threshold Otsu [10]. Mengacu pada penelitian sebelumnya, maka artikel ini bertujuan untuk mengidentifikasi anemia Thalasemia Betha (β) Mayor berdasarkan morfologi citra sel darah merah. Penelitian dilakukan dengan menggunakan metode Otsu untuk threshold citra sel darah merah serta metode bounding box untuk seleksi sel dan labelling. Akan diidentifikasi anemia Thalasemia Betha (β) Mayor berdasarkan morfologi citra sel darah merah. 2. METODE 2.1. Metodologi Tahap-tahap yang ditempuh dapat ditunjukkan pada Gambar 1. Akuisisi Citra Ekstraksi Ciri Segmentasi Cita Identifikasi Evaluasi Hasil Citra Gambar 1. Tahapan 16 Scientific Journal of Informatics, Vol. 2, No. 1, Mei 2015
3 Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Sel Darah Merah Akuisisi Citra Akuisisi citra dilakukan dengan mengumpulkan file citra apusan mikroskopik sel darah merah anemia Thalasemia Betha (β) Mayor dari rumah sakit Dr. Moewardi. Proses penentuan ciri citra sel darah dibantu oleh dr. Niniek Yusida Sp.Pk, M.Sc dari laboratorium patologi klinik rumah sakit umum daerah Karanganyar. Citra yang diambil berjumlah 30 gambar dari 5 preparat dengan masing-masing preparat diambil 6 gambar dengan perbesaran 1000 kali. Hal tersebut didasarkan pada keterangan yang disampaikan oleh dr. Niniek Yusida Sp.Pk, M.Sc bahwa batas minimum gambar yang harus digunakan untuk mengidentifikasi Thalasemia Betha (β) Mayor adalah 6 gambar untuk setiap preparat. Data yang dikumpulkan kemudian dikelompokkan menjadi 5 kelompok berdasarkan preparat tempat gambar diambil. Sebagai data pembanding apusan mikroskopik sel darah merah anemia bukan Thalasemia Betha (β) Mayor milik Andika Setiawan penelitian tugas akhir 2013 dari rumah sakit umum daerah Karanganyar. Citra yang digunakan berjumlah 6 gambar dengan perbesaran 1000 kali Segmentasi Citra Tahapan proses segmentasi dapat ditunjukkan pada Gambar 2. Gambar 2. Diagram alir proses segmentasi Scientific Journal of Informatics, Vol. 2, No. 1, Mei
4 Esti Suryani, Wiharto, Katarina Novi Wahyudiani Ekstraksi Ciri Ekstraksi ciri dilakukan untuk memperoleh ciri yang akan digunakan pada proses identifikasi. Ciri yang diambil meliputi: a) Luas area sel, adalah jumlah piksel pada setiap sel hasil proses segmentasi. b) Luas area inti, adalah jumlah piksel hasil segmentasi inti. c) Diameter sel Diameter sel dihitung berdasarkan ukuran panjang (p) dan lebar (l) dari bounding box, 2 garis diagonal bounding box, 2 garis perputaran 30 0 dan 2 garis perputaran Nilai terbesar dari panjang 8 garis yang terbentuk dari titik pusat sel disebut sebagai diameter maksimum sedangkan nilai terkecil dari panjang 8 garis yang terbentuk dari titik pusat sel disebut sebagai diameter minimum. Gambar 3 merupakan contoh perhitungan diameter. Gambar 3. Contoh perhitungan diameter d) Rasio sel Rasio merupakan perbandingan antara persentase luas area dengan luas lingkaran sel darah. Rumus rasio sel terdapat pada Persamaan 1. Rasio = )*+, +-.+ /*+, ) x100 (1) Gambar ciri masing-masing sel antara lain dapat dilihat pada Gambar 4. Gambar 4. Gambar ciri Thalasemia Betha (β) Mayor 18 Scientific Journal of Informatics, Vol. 2, No. 1, Mei 2015
5 Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Sel Darah Merah Gambaran proses ekstrasi ciri yang dilakukan dapat dilihat pada Gambar 5. Gambar 5. Diagram alir proses ekstrasi ciri Identifikasi Proses identifikasi Thalasemia β Mayor dilakukan dengan melakukan penjumlahan hasil identifikasi sel dari 6 gambar pada masing masing kelompok yang kemudian dilanjutkan dengan penentuan hasil identifikasi dengan ketentuan jumlah sel mikrositik dominan atau 50% dari sel yang teridentifikasi serta adanya perubahan bentuk morfologi yang meliputi eritrosit berinti, small fragment dan sel target. Scientific Journal of Informatics, Vol. 2, No. 1, Mei
6 Esti Suryani, Wiharto, Katarina Novi Wahyudiani Gambar 6 merupakan diagram alir proses identifikasi Evaluasi Hasil Gambar 6. Diagram alir proses identifikasi sel Analisis hasil didasarkan hasil identifikasi data benar yaitu data yang sesuai dengan pengelompokan data sebelumnya. Hasil keakuratan sistem dihitung menggunakan Persamaan 2. Keakuratan sistem = 2.2. Thalasemia 7*8)+9 :+;+ <.1+- x 100% (2) Thalasemia Betha merupakan kelainan yang disebabkan oleh kurangnya produksi protein Betha. Thalasemia Betha dibagi menjadi Thalasemia Betha Trait (Minor), Thalasemia Intermedia, Thalasemia Major (Cooley s Anemia) [11]. Thalasemia β Mayor atau Thalasemia Major mengalami perubahan bentuk abnormal pada sel mikrositik yang menjadi ciri dominan, eritrosit berinti (eritroblast), small fragment dan sel target. Mikrositik merupakan sel darah merah yang memiliki ukuran lebih kecil dari sel darah merah normal dan juga lebih kecil dari intisel (nukleus) pada sel darah putih atau < 6µm [1]. Eritroblast merupakan eritrosit yang masih muda. Small fragment merupakan pecahan sel darah merah. Sel target merupakan sel darah merah yang menyerupai bentuk target seperti mata sapi. 20 Scientific Journal of Informatics, Vol. 2, No. 1, Mei 2015
7 Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Sel Darah Merah Gambar 7 merupakan sel darah merah yang terkena Thalasemia β Mayor Citra Digital Gambar 7. Sel darah Thalasemia β Mayor [5] Citra digital adalah citra f(x,y) yang telah dilakukan digitalisasi baik koordinat area maupun brightness level. Nilai f di koordinat (x,y) menunjukkan brightness atau grayness level dari citra pada titik tersebut. Satuan terkecil dari citra digital disebut piksel (piksel atau picture element). Umumnya citra dibentuk dari kotak-kotak persegi empat yang teratur sehingga jarak horizontal dan vertikal antara piksel adalah sama pada seluruh bagian citra [12] Pengolahan Citra Digital Pengolahan citra umumnya diterapkan untuk melakukan pemodifikasian, pengubahan, penggabungan maupun perbaikan kualitas citra [12] YcbCr YCbCr merupakan standar internasional bagi pengkodean digital gambar televisi yang didefinisikan di CCIR Recommendation. YCbCr terdiri dari satu komponen luminance (Y) dan dua komponen chrominance (Cb dan Cr), di mana Cb adalah komponen chrominance biru dan Cr adalah chrominance merah. Pada monitor monokrom nilai luminance digunakan untuk merepresentasikan warna RGB, secara psikologis mewakili intensitas sebuah warna RGB yang diterima oleh mata. Chrominance merepresentasikan corak warna dan saturation. Persamaan 3 merupakan perhitungan YCbCr dari citra RGB [13]. Y = R G B Cb = R G B Cr = 0.5 R G B (3) Scientific Journal of Informatics, Vol. 2, No. 1, Mei
8 Esti Suryani, Wiharto, Katarina Novi Wahyudiani Persamaan 4 merupakan perhitungan RGB dari citra YCbCr[20]. R = Y (Cr 128) G = Y Cb (Cr 128) B = Y (Cb 128) (4) 2.6. Threshold Metode Otsu Metode Otsu dipublikasikan oleh Nobuyuki Otsu pada tahun Metode ini menentukan nilai ambang dengan cara membedakan dua kelompok, yaitu objek dan latar belakang, yang memiliki bagian yang saling bertumpukan, berdasarkan histogram. Prinsip metode Otsu dijelaskan berikut ini [14]. Pertama-tama, probabilitas nilai intensitas i dalam histogram dihitung melalui persamaan 5. p i = 1 [ \ _`a, p i 0, b p i = 1 (5) dengan p(i) menyatakan probabilitas nilai intensitas i, n i menyatakan jumlah piksel berintensitas i dan N menyatakan jumlah semua piksel dalam citra. Jika histogram dibagi menjadi dua kelas (objek dan latar belakang), pembobotan pada kedua kelas dinyatakan sebagai berikut. w b (t) = w _ t = ; 0eb p(i) (6) / 0e;fb p i = 1 w b t (7) dengan w menyatakan bobot, L menyatakan jumlah aras keabuan. Rerata kedua kelas dihitung melalui: m b (t) = m _ (t) = ; 0eb i. p i /W b (t) (8) ; 0eb i. p i /W _ (t) (9) Varians kedua kelas dinyatakan dengan ; k(0) l m (;) / k(0) 0e;fb (11) l n (;) σ _ b (t) = 0eb 1 m _ b. (10) σ (t) = 1 m. Varians total dapat dinyatakan dengan σ _ t = σ l _ t + σ o _ t (12) dengan σ l _ dinamakan sebagai within-class variance (WCV) dan σ o _ disebut sebagai between-class variance (BCV). WCV dapat dinyatakan dengan σ l _ (t) = W b t. σ b (t) _ + W _ t. σ _ (t) _ (13) 22 Scientific Journal of Informatics, Vol. 2, No. 1, Mei 2015
9 Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Sel Darah Merah Persamaan di atas menunjukkan bahwa WCV adalah jumlah varians kelas secara individual yang telah diboboti dengan probabilitas kelas masing-masing. Adapun BCV dinyatakan dengan σ o _ t = W b. m b (t) m = _ + W _. m _ (t) m = _ (14) Dalam hal ini, m T adalah rerata total (m = = \ 0eb i. p(i) ). Nilai ambang optimum dapat diperoleh dengan dua cara. Cara pertama dilaksanakan dengan meminimumkan WCV. Cara kedua dilaksanakan dengan memaksimumkan BCV. Namun, berdasarkan kedua cara tersebut, cara yang kedua lebih menghemat komputasi Bounding Box Bounding box atau kotak pembatas merupakan sebuah persegi panjang yang digunakan sebagai pembatas sebuah objek dalam citra. Gambar 8 merupakan contoh bounding box. Gambar 8. Bounding box [14]. Bounding box berorientasi citra milik suatu area R dapat dinyatakan dengan [14]. Bounding box(r) = {y min, y max, x min, x max } dengan tinggi = y 8+u y 801, dan lebar = x 8+u x 801 (15) sehingga perbandingan antara luas kotak pembatas dengan luas area dapat dihitung menggunakan persamaan rasio bounding box = )*+, +-.+ ><A.3 x yz{ x y[} (u yz{ u y[} ) (16) 2.8. Erosi Operasi erosi antara citra A dengan strel B dituliskan dengan AƟB dimana A dan B adalah himpunan dari Z 2 dan dapat didefiniskan sebagai berikut [12]. Persamaan tersebut menjelaskan bahwa erosi terjadi antara citra A oleh strel B terdiri atas semua titik z = (x, y) dimana (B)z ada di dalam himpunan A. (17) Scientific Journal of Informatics, Vol. 2, No. 1, Mei
10 Esti Suryani, Wiharto, Katarina Novi Wahyudiani 3. HASIL DAN PEMBAHASAN 3.1. Segmentasi Citra Contoh hasil proses segementasi dapat ditunjukkan pada Gambar Ekstraksi Ciri Gambar 9. Proses segmentasi sel Contoh hasil segmentasi yang selanjutnya akan dilakukan untuk proses ekstraksi ciri dapat ditunjukkan pada Gambar 10. Gambar 10. Contoh hasil segmentasi Dari hasil segmentasi, diperoleh beberapa ciri yang akan digunakan untuk proses identifikasi yaitu luas area sel, luas area inti sel, diameter maksimum, diameter minimum dan rasio. Berikut merupakan contoh perhitungan ekstraksi ciri dari Gambar 10 (a) dan Gambar 10 (b) yang merupakan sel hasil segmentasi dari Gambar 14 (a) yang merupakan citra asli dari gambar Th5-4, dari hasil percobaan, dicontohkan hasil perhitungan untuk Gambar 10.a. a) Luas Area Sel ada 6201 piksel. b) Luas Area Inti sebesar 2135 piksel. c) Diameter Sel, diameter maksimum =103 piksel dan diameter minimum = 82 piksel. d) Rasio Sel, merupakan perbandingan antara luas area sel dengan luas lingkaran dimana jari-jari lingkaran merupakan diameter maksimum pada setiap sel Rasio Sel = 3,14 51,5 51,5 x 100% = 6201 x 100% = 74% 8328, Scientific Journal of Informatics, Vol. 2, No. 1, Mei 2015
11 Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Sel Darah Merah 3.3. Identifikasi Identifikasi jenis sel dilakukan berdasarkan luas area sel, luas area inti sel, diameter maksimum, diameter minimum dan rasio sel dari hasil proses ektraksi ciri dimana sel yang akan diidentifikasi meliputi mikrositik, sel target, eritroblast small fragment dan WBC. Tabel 1 merupakan rule penentuan jenis sel dimana untuk jenis sel small fragment menggunakan fungsi OR sedangkan untuk jenis sel mikrositik dan sel target menggunakan fungsi AND. No Jenis Sel Luas Area Sel (LA) (piksel) Tabel 1. Rule penentuan jenis sel Luas Diameter Area Maksimum Inti Sel (D1) (LI) (piksel) (piksel) Diameter Minimum (D2) (piksel) Selisih Diameter (piksel) Rasio (R) (%) 1 Eritroblast - 0< LI WBC - > Small fragment Sel Target > > < 48 Sel Target > < D1 110 > < 60 Sel Target < 1600 LA < < D Mikrositik > >40 >15 60 Berdasarkan proses ekstraksi ciri yang telah dilakukan sebelumnya Gambar 10(a) mempunyai ciri sebagai berikut. Luas Area Sel (LA) = 6201 piksel, Luas Area Inti Sel (LI) = 2135 piksel, Diameter Maksimum (D1) = 103 piksel, Diameter Minimum (D2) = 82 piksel, Rasio Sel (R) = 74%. dan Gambar 10 (b) mempunyai ciri sebagai berikut. Luas Area Sel (LA) = 4603 piksel, Luas Area Inti Sel (LI) = 0 piksel, Diameter Maksimum (D1) = 82 piksel, Diameter Minimum (D2) = 79 piksel, Rasio Sel (R) = 87% Berdasarkan hasil tersebut maka Gambar 10 (a) diidentifikasi sebagai eritroblast karena 0 < Luas Area Inti Sel 4000, sedangkan Gambar 10(b) diidentifikasi sebagai mikrositik karena mempunyai Luas Area >1600, diameter maksimum 110, diameter minimum > 40 dan Rasio 60. Penentuan hasil identifikasi Thalasemia Betha (β) Mayor dilakukan dengan ketentuan sebagai berikut. Scientific Journal of Informatics, Vol. 2, No. 1, Mei
12 Esti Suryani, Wiharto, Katarina Novi Wahyudiani Tabel 3. Aturan penentuan Thalasemia Betha (β) Mayor No Jenis Sel Jumlah 1 Mikrositik >50% dari Jumlah Sel 2 Sel Target >1 3 Small fragment >1 4 Eritroblast Analisa Hasil dan Evaluasi Berdasarkan hasil identifikasi Gambar 11 sel no 63 terindentifikasi sel lain atau tidak terdefinisi dikarenakan sistem belum mampu memisahkan 2 sel yang tumpang tindih sehingga pada proses ekstrasi ciri diperoleh luas area sel piksel, luas area inti sel 0, diameter maksimal 158 piksel, diameter minimal 140 piksel dan rasio sel 57%, dimana ekstraksi ciri yang dihasilkan tidak terdapat pada rule penentuan jenis sel di Tabel 1. Gambar 11. Hasil segmentasi gambar th SIMPULAN Berdasarkan pada hasil dan pembahasan yang telah dipaparkan di atas, maka dapat ditarik kesimpulan bahwa morfologi citra mampu mengidentifikasi Thalasemia Betha (β) Mayor. 5. REFERENSI [1] Laboratorium Patologi Klinik Diktat Hematologi Fakultas Kedokteran, Universitas Hasanuddin. [2] Ganie, R A Thalasemia: Permasalahan dan Penanganannya. USU e- Repository. [3] Rund D, Rachmilewitz E Medical Progress β Thalassemia. NEJM. Vol. 353(1): [4] Houwen, B., (2001). The Differential Cell Count. Loma Linda, California: Carden Jennings Publishing Co., Ltd. 26 Scientific Journal of Informatics, Vol. 2, No. 1, Mei 2015
13 Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Sel Darah Merah [5] Bell, A., Sallah, S The Morphology of Human Blood Cells Seventh Edition. Memphis: Division of Hematology, University of Tennessee Health Science Center. [6] Rudrajit, Paul, Koelina, S. Suvabrata D., Narayan C.H., Raja, B E Beta Thalassemia Complicated By Steroid Responsive Auto Immune Hemolytic Anemia Due To Systemic Lupus Erythematosus. The West Bengal University of Health Sciences. [7] Setiawan, A., Suryani, E., Wiharto Segmentasi Citra Sel Darah Merah Berdasarkan Morfologi Sel Untuk Mendeteksi Anemia Defisiensi Besi. Penelitian Tugas Akhir [8] Taherisadr, Mojtaba, Mona Nasirzonouzi, Behzad Baradaran, Alireza Mehdizade New Approach to Red Blood Cell Classification Using Morphological Image Processing. Reseach Center of Biomedical Physics and Engineering, Shiraz University of Medical Sciences, Shiraz, IR Iran [9] Tomari, R., Zakaria, et all Red Blood Cell Counting Analysis By Considering Anoverlapping Constraint. ARPN Journal of Enginnering and Applied Sciences. Vol. 10(3): [10] Singh, U., Singh, N Shape Analysis of Erythrocytes using Mean Shift Segmentation. International Journal of Engineering Trends and Technology(IJETT). Vol 12(1): [11] Weatherall D.J and Clegg J.B The Thalasemia Syndromes (4 th edn). Blackwell Scientific Publ. Oxford [12] Gozales, R.C., Woods, R.E Digital Image Processing Third Edition. New Jersey: Prentice Hall. [13] Jack, K Video Demystified: A Handbook for the Digital Engineer 4th Edition. Elsevier Inc. ISBN: [14] Kadir, A., Susanto, A Teori dan Aplikasi Pengolahan Citra. Yogyakarta, Andi Publisher. Scientific Journal of Informatics, Vol. 2, No. 1, Mei
14 28 Scientific Journal of Informatics, Vol. 2, No. 1, Mei 2015
Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Citra Sel Darah Merah SKRIPSI
Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Citra Sel Darah Merah SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Jurusan Informatika Disusun oleh
Lebih terperinciBAB III METODOLOGI PENELITIAN. Pengumpulan Data dan Akuisisi Citra. Segmentasi Citra - Perbaikan Kualitas Citra - Deteksi Nukleus - Deteksi WBC
digilib.uns.ac.id BAB III METODOLOGI PENELITIAN Pelaksanaan penelitian tugas akhir ini melibatkan beberapa tahapan dan sistematika penelitian mulai dari pengunpulan data dan akuisisi citra, segmentasi
Lebih terperinciSegmentasi Citra Sel Darah Merah Berdasarkan Morfologi Sel Untuk Mendeteksi Anemia Defisiensi Besi
Segmentasi Citra Sel Darah Merah Berdasarkan Morfologi Sel Untuk Mendeteksi Anemia Defisiensi Besi Andika Setiawan Jurusan Informatika Universitas Sebelas Maret Jl. Ir. Sutami 36A Kentingan Surakarta 57126
Lebih terperinciIDENTIFIKASI PENYAKIT ACUTE MYELOID LEUKEMIA (AML) MENGGUNAKAN FUZZY RULE BASED SYSTEM BERDASARKAN MORFOLOGI SEL DARAH PUTIH
IDENTIFIKASI PENYAKIT ACUTE MYELOID LEUKEMIA (AML) MENGGUNAKAN FUZZY RULE BASED SYSTEM BERDASARKAN MORFOLOGI SEL DARAH PUTIH SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sel Darah Merah Sel yang paling banyak di dalam selaput darah adalah sel darah merah atau juga dikenal dengan eritrosit. Sel darah merah berbentuk cakram bikonkaf dengan diameter
Lebih terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih terperinci1 Universitas Kristen Maranatha
BAB I PENDAHULUAN 1.1 Latar Belakang Thalassemia adalah penyakit kelainan darah yang diturunkan secara herediter. Centre of Disease Control (CDC) melaporkan bahwa thalassemia sering dijumpai pada populasi
Lebih terperinciIDENTIFIKASI PENYAKIT LEUKIMIA AKUT PADA CITRA DARAH MIKROSKOPIS
ORBITH VOL. 12 NO. 1 MARET 2016 : 29 34 IDENTIFIKASI PENYAKIT LEUKIMIA AKUT PADA CITRA DARAH MIKROSKOPIS Oleh: Indah Susilawati Staf Pengajar Program Studi Teknik Informatika Universitas Mercu Buana Yogyakarta
Lebih terperinciBAB I PENDAHULUAN. penyebab intrakorpuskuler (Abdoerrachman et al., 2007). dibutuhkan untuk fungsi hemoglobin yang normal. Pada Thalassemia α terjadi
BAB I PENDAHULUAN 1.1. Latar Belakang Thalassemia adalah suatu penyakit anemia hemolitik herediter yang diturunkan dari kedua orangtua kepada anak-anaknya secara resesif yang disebabkan karena kelainan
Lebih terperinciPENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK
Jurnal Dinamika, April 2017, halaman 18-29 P-ISSN: 2087-889 E-ISSN: 2503-4863 Vol. 08. No.1 PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I
Lebih terperinciIdentifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia
Identifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia Imam Subekti, I Ketut Eddy Purnama, Mauridhi Hery Purnomo. Jurusan Teknik Elektro FTI - ITS Penelitian ini mengidentifikasi
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Secara umum, citra digital merupakan gambar 2 dimensi yang disusun oleh data digital dalam bentuk sebuah larik (array) yang berisi
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciPENENTUAN MORFOLOGI SEL DARAH MERAH (ERITROSIT) BERBASIS PENGOLAHAN CITRA DAN JARINGAN SYARAF TIRUAN
Volume 07/ No03/ Oktober-Desember/ 2009 PENENTUAN MORFOLOGI SEL DARAH MERAH (ERITROSIT) BERBASIS PENGOLAHAN CITRA DAN JARINGAN SYARAF TIRUAN Elly Warni Jurusan Teknik Elektro Universitas Hasanuddin ly_warni@yahoocom
Lebih terperinciIDENTIFIKASI PENYAKIT ACUTE LYMPHOBLASTIC LEUKEMIA (ALL) MENGGUNAKAN FUZZY RULE-BASED SYSTEM BERDASARKAN MORFOLOGI CITRA SEL DARAH PUTIH
IDENTIFIKASI PENYAKIT ACUTE LYMPHOBLASTIC LEUKEMIA (ALL) MENGGUNAKAN FUZZY RULE-BASED SYSTEM BERDASARKAN MORFOLOGI CITRA SEL DARAH PUTIH SKRIPSI Diajukan untuk memenuhi persyaratan mendapatkan gelar Strata
Lebih terperinciIdentifikasi Penyakit Acute Myeloid Leukemia (AML)Menggunakan Rule Based System Berdasarkan Morfologi Sel Darah Putih Studi Kasus : AML2 dan AML4
Identifikasi Penyakit Acute Myeloid Leukemia (AML)Menggunakan Rule Based System Berdasarkan Morfologi Sel Darah Putih Studi Kasus : AML2 dan AML4 Esti Suryani 1, Umi Salamah 2, Wiharto 3, Andreas Andy
Lebih terperinciSistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC
Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Hanjaya Mandala (1).EkoRudiawan,S.ST (2).HendawanSoebhakti,ST.,MT (3). (1) (2) (3) Politeknik Negeri Batam
Lebih terperinciIdentifikasi Penyakit Acute Myeloid Leukemia (AML) Menggunakan Fuzzy Rule Based System Berdasarkan Morfologi Sel Darah Putih
Identifikasi Penyakit Acute Myeloid Leukemia (AML) Menggunakan Fuzzy Rule Based System Berdasarkan Morfologi Sel Darah Putih Andreas Andi Wijaya Jurusan Informatika Universitas Sebelas Maret Jl. Ir. Sutami
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Sel Darah Merah Sel darah merah atau eritrositmemiliki fungsi yang sangat penting bagi kelangsungan hidup manusia. Sel darah merah mengandung hemoglobin yang berfungsi untuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciSIMULASI PENGHITUNGAN JUMLAH SEL DARAH MERAH Diaz Hartadi *, Sumardi **, R. Rizal Isnanto **
Simulasi Penghitungan Jumlah Sel Darah Merah (Diaz Hartadi) SIMULASI PENGHITUNGAN JUMLAH SEL DARAH MERAH Diaz Hartadi *, Sumardi **, R. Rizal Isnanto ** Abstrak - Pada saat ini, dunia ilmu pengetahuan
Lebih terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih terperinciGambar 2.1. Citra Apusan Tepi Sel Darah Merah Normal
BAB II DASAR TEORI 2.1 Sel Darah Merah Normal Sel darah merah, yang juga disebut sebagai eritrosit, bertugas mengangkut oksigen dari paru ke semua sel di seluruh tubuh. Sel darah merah normal berbentuk
Lebih terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciDAFTAR ISI BAB II TINJAUAN PUSTAKA...4
DAFTAR ISI HALAMAN JUDUL...i PERNYATAAN BEBAS PLAGIARISME...ii HALAMAN PENGESAHAN...iii HALAMAN TUGAS...iv HALAMAN MOTTO...vi KATA PENGANTAR...vii DAFTAR ISI...ix DAFTAR TABEL...xiii DAFTAR GAMBAR...xv
Lebih terperinciAPLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT
MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk
Lebih terperinciIdentifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra
Identifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra Shofiyyah Zahrah 1, Ristu Saptono 2, Esti Suryani 3 1,2,3 Program Studi Informatik, FMIPA, Universitas Sebelas Maret Email: 1 shofizr@gmail.com,
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciAnalisis Pengaruh Automatic Thresholding dalam Pemrosesan Citra Batupasir Berea
Analisis Pengaruh Automatic Thresholding dalam Pemrosesan Citra Batupasir Berea Chris Evan Sebastian 1,a), Chandra Winardhi 1,b), Fourier Dzar Eljabbar Latief 1,c) 1 Laboratorium Fisika Batuan, Kelompok
Lebih terperinciPERHITUNGAN SEL DARAH MERAH MENGGUNAKAN OPERASI MORFOLOGI BRANCHPOINTS BERBASIS PENGOLAHAN CITRA DIGITAL
PERHITUNGAN SEL DARAH MERAH MENGGUNAKAN OPERASI MORFOLOGI BRANCHPOINTS BERBASIS PENGOLAHAN CITRA DIGITAL Hendrick Rofen Nicolas¹, Koreadianto Usman², Msc³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada prakteknya, bidang kedokteran dan biologi mengandalkan visualisasi untuk mempelajari struktur anatomi tubuh dan sel maupun fungsi biologis untuk mendeteksi serta
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Thalassemia merupakan kelompok kelainan genetik yang diakibatkan oleh mutasi yang menyebabkan kelainan pada hemoglobin. Kelainan yang terjadi akan mempengaruhi produksi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sel darah merah atau eritrosit merupakan sel yang paling sederhana yang ada di dalam tubuh. Eritrosit tidak memiliki nukleus dan merupakan sel terbanyak dalam darah.
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciSEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK
SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK Benedictus Yoga Budi Putranto, Widi Hapsari, Katon Wijana Fakultas Teknik Program Studi Teknik Informatika Universitas Kristen Duta
Lebih terperinciIV. HASIL DAN PEMBAHASAN
26 IV. HASIL DAN PEMBAHASAN A. Pengukuran Parameter Mutu Jeruk Pontianak Secara Langsung Dari Hasil Pemutuan Manual Pemutuan jeruk pontianak secara manual dilakukan oleh pedagang besar dengan melihat diameter
Lebih terperinciIDENTIFIKASI PARASIT PLASMODIUM SP. PADA PREPARAT APUS DARAH TIPIS DENGAN METODE RULE BASED SKRIPSI
IDENTIFIKASI PARASIT PLASMODIUM SP. PADA PREPARAT APUS DARAH TIPIS DENGAN METODE RULE BASED SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Jurusan Informatika Disusun oleh
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciANALISA METODE RADIAL BASIS FUNCTION JARINGAN SARAF TIRUAN UNTUK PENENTUAN MORFOLOGI SEL DARAH MERAH (ERITROSIT) BERBASIS PENGOLAHAN CITRA
PRO S ID IN G 20 1 2 HASIL PENELITIAN FAKULTAS TEKNIK ANALISA METODE RADIAL BASIS FUNCTION JARINGAN SARAF TIRUAN UNTUK PENENTUAN MORFOLOGI SEL DARAH MERAH (ERITROSIT) BERBASIS PENGOLAHAN CITRA Zulkifli
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciScientific Journal of Informatics Vol. 2, No. 1, Mei 2015
Scientific Journal of Informatics Vol. 2, No. 1, Mei 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 JUDUL ARTIKEL Identifikasi Kualitas Beras dengan Citra Digital Arissa
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciIdentifikasi Otomatis Anemia pada Citra Sel Darah Merah Berbasis Komputer
Identifikasi Otomatis Anemia pada Citra Sel Darah Merah Berbasis Komputer Latifah Listyalina Prodi Teknik Elektro, Fakultas Sains & TeknologiUniversitas Respati Yogyakarta Jl. Laksda Adisucipto Km 6,3
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
Lebih terperinciSEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL
SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinciBAB 3 PERUMUSAN OBJEK RANCANGAN. Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi
BAB 3 PERUMUSAN OBJEK RANCANGAN 3.1 Analisis Masalah dan Kebutuhan Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi yang akan kami buat. 3.1.1 Analisis Masalah Untuk mengetahui
Lebih terperinciOperasi Titik Kartika Firdausy
Operasi Titik Kartika Firdausy tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf 2262230 Setelah mempelajari materi ini, mahasiswa diharapkan mampu: mengidentifikasi Fungsi Transformasi Skala Keabuan menjelaskan
Lebih terperinciPengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial
Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial Eric Christopher School of Electrical Engineering and Informatics, Institute Technology of Bandung,
Lebih terperinciPengolahan Citra Berwarna
MK3383 Teknik Pengolahan Citra Pengolahan Citra Berwarna M. Zidny Naf an, M.Kom. Semester Genap 2015/2016 http://www.colormatters.com/color-and-vision/how-the-eye-sees-color Bagaimana Manusia Melihat Warna?
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Masalah. dirawat di Rumah Sakit minimal selama 1 bulan dalam setahun. Seseorang yang
BAB I PENDAHULUAN A. Latar Belakang Masalah Penyakit kronis merupakan suatu kondisi yang menyebabkan seseorang dirawat di Rumah Sakit minimal selama 1 bulan dalam setahun. Seseorang yang menderita penyakit
Lebih terperinciSILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran
SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11. 54521 / Pengolahan Citra Digital 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi merupakan salah satu bagian penting dari kemajuan banyak bidang di seluruh dunia pada saat ini. Salah satu bidang yang sudah banyak terbantu dengan kemajuan
Lebih terperinciSEGMENTASI OBYEK PADA CITRA DIGITAL MENGGUNAKAN METODE OTSU THRESHOLDING
Jurnal Informatika, Vol. 13, No. 1, Mei 2015, 1-8 ISSN 1411-0105 DOI: 10.9744/informatika.13.1.1-8 SEGMENTASI OBYEK PADA CITRA DIGITAL MENGGUNAKAN METODE OTSU THRESHOLDING Slamet Imam Syafi i 1*, Rima
Lebih terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciSEGMENTASI WARNA UNTUK EKSTRAKSI SIMBOL DAN KARAKTER PADA CITRA RAMBU LALU LINTAS. Abstrak
SEGMENTASI WARNA UNTUK EKSTRAKSI SIMBOL DAN KARAKTER PADA CITRA RAMBU LALU LINTAS Aryuanto 1, Koichi Yamada 2,dan F. Yudi Limpraptono 1 1 Jurusan Teknik Elektro, Institut Teknologi Nasional (ITN) Malang,
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI. Teknologi pengenalan teks merupakan teknologi yang mampu mengenali teks
BAB 2 LANDASAN TEORI 2.1 Pengenalan Teks Teknologi pengenalan teks merupakan teknologi yang mampu mengenali teks pada citra digital dan mengalihkannya pada dokumen digital. Aplikasi dari teknologi pengenalan
Lebih terperinciPENCACAH SEL DARAH MERAH MENGGUNAKAN METODE MORFOLOGI
PENCACAH SEL DARAH MERAH MENGGUNAKAN METODE MORFOLOGI Ardy Erdiyanto 1), Andi Sunyoto 2) 1) Mahasiswa Teknik Informatika STMIK AMIKOM Yogyakarta 2) Dosen STMIK AMIKOM Yogyakarta email : iderdiyanto@gmail.com
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciPENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL
PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL Eric Christopher #1, Dr. Ir. Rinaldi Munir, M. T. #2 #School of Electrical Engineering and Informatics,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
Lebih terperinciDeteksi Posisi dan Ekstraksi Fitur Wajah Manusia Pada Citra Berwarna
Deteksi Posisi dan Ekstraksi Fitur Wajah Manusia Pada Citra Berwarna Iping Supriana 1) Yoseph Suryadharma 2) 1) Program Studi Teknik Informatika Institut Teknologi Bandung email: iping@informatika.org
Lebih terperinciPRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL
PRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL Veronica Lusiana 1, Budi Hartono 2 1,2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciDeteksi Citra Objek Lingkaran Dengan Menggunkan Metode Ekstraksi Bentuk Circularity
54 Integer Journal, Vol 1, No 1, Maret 2016: 54-59 Deteksi Citra Objek Lingkaran Dengan Menggunkan Metode Ekstraksi Bentuk Circularity Hendro Nugroho Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciOperasi Bertetangga (1)
Operasi Bertetangga () Kartika Firdausy - UAD kartika@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan alasan diperlukannya operasi bertetangga
Lebih terperinciAnalisa Metode Radial Basis Function Jaringan Saraf Tiruan untuk Penentuan Morfologi Sel Darah Merah (Eritrosit) Berbasis Pengolahan Citra
Analisa Metode Radial Basis Function Jaringan Saraf Tiruan untuk Penentuan Morfologi Sel Darah Merah (Eritrosit) Berbasis Pengolahan Citra Zulkifli Tahir, Elly Warni, Indrabayu, Ansar Suyuti Laboratorium
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciAPLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr
APLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr 1 Indra Dwi Ananto (09018107), 2 Murinto (0510077302) 1,2 Program Studi Teknik Informatika
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciIMPLEMENTASI ALGORITMA CONNECTED-LABELLING UNTUK MENDETEKSI OBJEK BINTANG PADA CITRA DIGITAL
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 IMPLEMENTASI ALGORITMA CONNECTED-LABELLING UNTUK MENDETEKSI OBJEK BINTANG PADA CITRA DIGITAL Ericks Rachmat Swedia 1), M. Ridwan Dwi Septian
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciSEGMENTASI WARNA UNTUK EKSTRAKSI SIMBOL DAN KARAKTER PADA CITRA RAMBU LALU LINTAS
SEGMENTASI WARNA UNTUK EKSTRAKSI SIMBOL DAN KARAKTER PADA CITRA RAMBU LALU LINTAS Aryuanto 1, F. Yudi Limpraptono 1, dan Koichi Yamada 2 1 Jurusan Teknik Elektro, Fakultas Teknik Elektro, Institut Teknologi
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciSISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT
SISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT Ardi Satrya Afandi art_dhi@yahoo.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl.
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciRANCANG BANGUN APLIKASI PENCACAH SEL DARAH MERAH BERBASIS PENGOLAHAN CITRA DIGITAL. (Studi Kasus : CV. MICONOS TRANSDATA NUSANTARA) Naskah Publikasi
RANCANG BANGUN APLIKASI PENCACAH SEL DARAH MERAH BERBASIS PENGOLAHAN CITRA DIGITAL (Studi Kasus : CV. MICONOS TRANSDATA NUSANTARA) Naskah Publikasi diajukan oleh Ardy Erdiyanto 08.11.1937 kepada SEKOLAH
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciSEMINAR TUGAS AKHIR ATMISYA WIYANTI NRP Dosen Pembimbing Dr.rer.nat.Ir. Aulia M.T. Nasution, M.Sc. Suyanto,ST.MT
SEMINAR TUGAS AKHIR ATMISYA WIYANTI NRP 2404 100 032 Dosen Pembimbing Dr.rer.nat.Ir. Aulia M.T. Nasution, M.Sc. Suyanto,ST.MT JURUSAN TEKNIK FISIKA Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinci